RELATÓRIO TÉCNICO - labeee.ufsc.br³rio_Comfort... · 1 1. INTRODUÇÃO Na área de pesquisa de...
Transcript of RELATÓRIO TÉCNICO - labeee.ufsc.br³rio_Comfort... · 1 1. INTRODUÇÃO Na área de pesquisa de...
RELATÓRIO TÉCNICO
UNIVERSIDADE FEDERAL DE SANTA CATARINA
CENTRO TECNOLÓGICO
DEPARTAMENTO DE ENGENHARIA CIVIL
Campus Universitário – Trindade Florianópolis – SC – CEP 88040-900
Caixa Postal 476
Laboratório de Eficiência Energética em Edificações
Algoritmos em linguagem R para análises de
conforto térmico de acordo com os métodos da
ASHRAE Standard 55
Arthur Santos Silva, Eng. Civil, Doutorando
Enedir Ghisi, PhD
Roberto Lamberts, PhD
Florianópolis, maio de 2016.
Sumário
1. Introdução .......................................................................................................................................... 1
2. Lista de scripts ................................................................................................................................... 2
3. Scripts de funções-base ...................................................................................................................... 3
3.1. Modelo de conforto térmico – low air speed model ................................................................... 3
3.2. Cálculo do SET – Standard Effective Temperature .................................................................... 3
3.3. Modelo de conforto térmico – elevated air speed model ............................................................ 4
3.4. Script integrado da Standard 55 ................................................................................................. 5
3.5. Cálculo do intervalo de temperatura operativa limite ................................................................. 5
4. Scripts para arquivos em lote ............................................................................................................. 7
4.1. Cálculo de índices individuais .................................................................................................... 7
4.2. Cálculo de índices de longo prazo .............................................................................................. 8
5. Como usar os scripts ........................................................................................................................ 11
5.1. Exemplo do PMVlow() ............................................................................................................. 13
5.2. Exemplo do PMVelevated() ..................................................................................................... 14
5.3. Exemplo do PMVboth() ............................................................................................................ 15
5.4. Exemplo do SETashrae() .......................................................................................................... 16
5.5. Exemplo do TOlimits() ............................................................................................................. 17
5.6. Exemplo do ComfortVectorized() ............................................................................................ 18
5.7. Exemplo do Comfort Indices() ................................................................................................. 20
6. Considerações finais ........................................................................................................................ 22
7. Referências utilizadas e recomendadas ............................................................................................ 22
1
1. INTRODUÇÃO
Na área de pesquisa de Conforto Térmico existem alguns métodos consolidados para a avaliação do
nível de conforto dos ocupantes em um ambiente condicionado artificialmente. Há os índices PMV
(Predicted Mean Vote), PPD (Predicted Percentage Dissatisfied), SET (Standard Effective
Temperature), ET (Effective Temperature) e diversas variantes em seus cálculos.
A norma de conforto térmico Standard 55 (ASHRAE, 2013) é bem aceita pela comunidade científica
e traz grandes avanços em pesquisas na área de conforto térmico para ambientes condicionados
artificialmente e naturalmente ventilados. A mesma propõe dois métodos para o cálculo do índice
PMV e PPD para ambientes condicionados: o modelo de baixa velocidade do ar, que considera o
modelo original da ISO 7730 (2005), e o modelo de alta velocidade do ar, que considera o indicador
SET e algumas pesquisas científicas (GAGGE; FOBELETS; BERGLUND, 1986; SCHIAVON;
HOYT; PICCIOLI, 2013; YANG et al., 2015).
A norma internacional ISO 7730 (2005) mostra um algoritmo para o cálculo do PMV e do PPD em
linguagem BASIC. Da mesma forma, a Standard 55 (2013) também apresenta o mesmo algoritmo da
norma ISO 7730, bem como outro algoritmo para o cálculo do SET.
Para a correta aplicação da Standard 55 se utiliza a ferramenta denominada Comfort Tool
(http://comfort.cbe.berkeley.edu/) desenvolvida pelo Center for the Built Environment da University
of California Berkeley que ajuda a efetuar esses cálculos (recomendada pela Standard 55). É uma
ferramenta web prática e simples, que fornece resultados confiáveis para os indicadores de conforto
térmico com a aplicação dos métodos descritos na norma. Entretanto, a ferramenta possibilita a
verificação de resultados de conforto térmico de uma forma individual, no qual cada conjunto de
valores para as variáveis ambientais e pessoais é calculado individualmente.
Acredita-se que uma forma prática e simples de promover a aplicação desses métodos pelos
pesquisadores da área de conforto térmico seja desenvolver ferramentas adequadas que facilitem esses
cálculos. Essas ferramentas devem ter alguns recursos, como a capacidade de calcular os índices de
conforto para grande quantidade de dados, ser código aberto para possibilitar incorporações e
alterações, e de fácil modificação dos parâmetros.
Este relatório descreve o desenvolvimento de algoritmos para contornar essa necessidade. O objetivo
é registrar o desenvolvimento de scripts em linguagem R para análises de conforto térmico conforme
a norma internacional Standard 55 (ASHRAE, 2013) em sua mais nova versão do addendum D
(ASHRAE, 2015).
Os scripts foram desenvolvidos em ocasião do estudo de Silva et al. (2016) para a avaliação de
desempenho de índices de conforto térmico a longo prazo em simulação computacional de edificações.
2
2. LISTA DE SCRIPTS
Foi utilizado o conceito de “funções” da linguagem R, as quais podem ser acessadas em qualquer
computador por meio da função 𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 1 mostra os scripts desenvolvidos e a descrição
de cada um.
Os cinco primeiros scripts são denominados de “funções-base”, pois foram vetorizados para
possibilitar seu uso com argumentos (variáveis de entrada). Eles são flexíveis e podem ser
incorporados em outros scripts em R, dependendo da finalidade do usuário e do nível de conhecimento
em programação em R.
Os dois últimos scripts já foram desenvolvidos para o cálculo de arquivos “em lote”, ou seja, grandes
conjuntos de arquivos de entrada (em .csv) e geram arquivos de saída (em .csv) para que o usuário
possa avaliar todos os resultados de uma vez.
Tabela 1 – Scripts desenvolvidos.
Script Descrição
f(x) PMV_low air speed model.R Calcula o PMV e o PPD de acordo com o modelo de baixa velocidade
do ar para um conjunto de variáveis.
f(x) SET_ASHRAE Standard 55.R Calcula o SET para um conjunto de variáveis.
f(x) PMV_elevated air speed model.R Calcula o PMV e o PPD de acordo com o modelo de alta velocidade do
ar para um conjunto de variáveis.
f(x) PMV_both models.R Calcula o PMV e o PPD escolhendo o modelo adequado em função da
velocidade do ar para um conjunto de variáveis.
f(x) TO limits_ASHRAE Standard 55.R Calcula os limites inferior e superior de temperatura operativa
considerando o limite de conforto térmico de -0,5 a +0,5 de PMV para
um conjunto de variáveis.
f(x) Comfort vectorized operations.R Calcula o PMV, o PPD, o SET e o TO limites para vários conjuntos de
variáveis.
f(x) Long-term indices.R Calcula 37 índices de conforto térmico a longo prazo de forma a agregar
os indicadores individuais em um valor representativo para vários
conjuntos de variáveis.
3
3. SCRIPTS DE FUNÇÕES-BASE
Estes scripts contêm as funções-base vetorizadas e possibilitam a realização de operações para um
conjunto de argumentos de entrada. Estas funções podem ser utilizadas individualmente no próprio
𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R, e também podem ser utilizadas dentro de outros scripts como uma função comum.
Segue a explicação de algumas notações para o entendimento dos scripts:
Argumentos: são os dados de entrada de uma função, podendo ser vetores ou listas, compostos
por tipo numérico ou caracteres.
Funções: são objetos específicos em R que permitem que o corpo de um algoritmo seja
controlado por meio de argumentos de entrada e objetos de saída.
Listas: são conjuntos de vetores ou valores, numéricos ou caracteres, na linguagem R.
3.1. MODELO DE CONFORTO TÉRMICO – LOW AIR SPEED MODEL
O arquivo “f(x) PMV_low air speed model.R” corresponde ao modelo de conforto térmico de baixa
velocidade do ar (igual ou menor do que 0,10 m/s). Este script possui os seguintes argumentos de
entrada:
CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;
MET: metabolic rate [met] ou taxa metabólica dos ocupantes;
WME: mechanical work [met] ou trabalho mecânico;
TA: air temperature [°C] ou temperatura do ar interno;
TR: mean radiant temperature [°C] ou temperatura radiante média;
VEL: air speed [m/s] ou velocidade do ar;
RH: relative humidity [%] ou umidade relativa do ar;
PA: atmospheric pressure [kPa] ou pressão atmosférica.
Dentro do ambiente R, esta função assume o nome 𝑃𝑀𝑉𝑙𝑜𝑤() após ser incorporada com a função
𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 2 mostra um exemplo de uso da função 𝑃𝑀𝑉𝑙𝑜𝑤() com argumentos inseridos no
próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é o PMV e o segundo,
o PPD.
Tabela 2 – Exemplo de uso do PMVlow.
> #---PMVlow(CLO,MET,WME,TA,TR,VEL,RH,PA=0)
> PMVlow(0.5,1.0,0.0,25,25,0.06,60,0)
PMV PPD
-0.27 7.00
3.2. CÁLCULO DO SET – STANDARD EFFECTIVE TEMPERATURE
O arquivo “f(x) SET_ASHRAE Standard 55.R” corresponde ao script de cálculo do SET (standard
effective temperature). Ele tem os seguintes argumentos de entrada:
CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;
MET: metabolic rate [met] ou taxa metabólica dos ocupantes;
4
WME: mechanical work [met] ou trabalho mecânico;
TA: air temperature [°C] ou temperatura do ar interno;
TR: mean radiant temperature [°C] ou temperatura radiante média;
VEL: air speed [m/s] ou velocidade do ar;
RH: relative humidity [%] ou umidade relativa do ar.
Nessa função a pressão atmosférica foi fixada em 101.325 kPa (1atm) conforme o algoritmo mostrado
na norma internacional ASHRAE 55 (2013).
Dentro do ambiente R, esta função assume o nome 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() após ser incorporada com a função
𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 3 mostra um exemplo de uso da função 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() com argumentos inseridos
no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna um vetor unitário contendo o valor do SET em [°C].
Tabela 3 – Exemplo de uso do SETashrae.
#---SETashrae(CLO,MET,WME,TA,TR,VEL,RH)
> SETashrae(0.5,1.0,0,25,26,0.35,50)
[1] 22.87
3.3. MODELO DE CONFORTO TÉRMICO – ELEVATED AIR SPEED MODEL
O arquivo “f(x) PMV_elevated air speed model.R” corresponde ao modelo de conforto térmico de alta
velocidade do ar (maior que 0,10m/s). Ele possui os seguintes argumentos de entrada:
a) CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;
b) MET: metabolic rate [met] ou taxa metabólica dos ocupantes;
c) WME: mechanical work [met] ou trabalho mecânico;
d) TA: air temperature [°C] ou temperatura do ar interno;
e) TR: mean radiant temperature [°C] ou temperatura radiante média;
f) VEL: air speed [m/s] ou velocidade do ar;
g) RH: relative humidity [%] ou umidade relativa do ar;
h) PA: atmospheric pressure [kPa] ou pressão atmosférica.
Dentro do ambiente R, essa função assume o nome 𝑃𝑀𝑉𝑒𝑙𝑒𝑣𝑎𝑡𝑒𝑑() após ser incorporada com a
função 𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 4 mostra um exemplo de uso da função 𝑃𝑀𝑉𝑒𝑙𝑒𝑣𝑎𝑡𝑒𝑑() com argumentos
inseridos no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é o PMV
e o segundo, o PPD.
Tabela 4 – Exemplo de uso do PMVelevated.
#---PMVelevated(CLO,MET,WME,TA,TR,VEL,RH,PA=0)
> PMVelevated(0.5,1.0,0,25,26,0.35,50,0)
PMV PPD
-0.84 20.00
5
3.4. SCRIPT INTEGRADO DA STANDARD 55
O arquivo “f(x) PMV_both models.R” corresponde a uma função que integra ambos modelos de baixa
velocidade e alta velocidade do ar. O script escolhe automaticamente o modelo conforme a velocidade
do ar: para velocidade igual ou menor de 0,10m/s, escolhe-se o modelo low air speed; para velocidade
acima de 0,10m/s, escolhe-se o modelo elevated air speed.
Ele possui os mesmos argumentos dos modelos individualmente:
CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;
MET: metabolic rate [met] ou taxa metabólica dos ocupantes;
WME: mechanical work [met] ou trabalho mecânico;
TA: air temperature [°C] ou temperatura do ar interno;
TR: mean radiant temperature [°C] ou temperatura radiante média;
VEL: air speed [m/s] ou velocidade do ar;
RH: relative humidity [%] ou umidade relativa do ar;
PA: atmospheric pressure [kPa] ou pressão atmosférica.
Dentro do ambiente R, essa função assume o nome 𝑃𝑀𝑉𝑏𝑜𝑡ℎ() após ser incorporada com a função
𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 5 mostra exemplos de uso da função 𝑃𝑀𝑉𝑏𝑜𝑡ℎ() com argumentos e entrada
inseridos no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é o PMV
e o segundo, o PPD.
Tabela 5 – Exemplos de uso do PMVboth.
#---PMVboth(CLO,MET,WME,VEL,RH,PA=0)
> PMVboth(0.5,1.1,0,23,24,0.05,55,0)
PMV PPD
-0.6 13.0
> PMVboth(0.5,1.1,0,25,26,0.35,70,0)
PMV PPD
-0.4 8.0
3.5. CÁLCULO DO INTERVALO DE TEMPERATURA OPERATIVA LIMITE
O arquivo “f(x) TO limits_ASHRAE Standard 55.R” é uma função que calcula, de forma iterativa, as
temperaturas operativas limite de conforto térmico. O cálculo considera PMV igual a -0,5 no caso do
limite inferior, e PMV igual a +0,5 para o limite superior.
Ele possui os seguintes argumentos de entrada (não é necessário inserir as temperaturas do ar e média
radiante, como nos outros modelos):
CLO: clothing insulation [clo] ou isolamento térmico das vestimentas;
MET: metabolic rate [met] ou taxa metabólica dos ocupantes;
WME: mechanical work [met] ou trabalho mecânico;
VEL: air speed [m/s] ou velocidade do ar;
RH: relative humidity [%] ou umidade relativa do ar;
PA: atmospheric pressure [kPa] ou pressão atmosférica.
6
Dentro do ambiente R, essa função assume o nome 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() após ser incorporada com a função
𝑠𝑜𝑢𝑟𝑐𝑒(). A Tabela 6 mostra exemplos de uso da função 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() com argumentos de entrada
inseridos no próprio 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do R. Essa função retorna uma lista de dois valores: o primeiro é a TO
inferior e o segundo, a TO superior.
Tabela 6 – Exemplos de uso do TOlimits.
#---TOlimits(CLO,MET,WME,VEL,RH,PA=0)
> TOlimits(0.5,1.0,0,0.25,55,0)
TO inferior TO superior
25.59 28.34
> TOlimits(0.5,1,0,0.05,50,0)
TO inferior TO superior
24.62 27.21
7
4. SCRIPTS PARA ARQUIVOS EM LOTE
Para ajudar na aplicação das funções-base para arquivos em lote, ou seja, grande quantidade de
arquivos, foram elaborados dois scripts adicionais explicados nos itens a seguir.
4.1. CÁLCULO DE ÍNDICES INDIVIDUAIS
Este script aplica as funções 𝑃𝑀𝑉𝑏𝑜𝑡ℎ(), 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() e 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() para um determinado conjunto
de arquivos “.csv”. Essa função é útil quando se tem grande quantidade de informação acerca das
variáveis ambientais e pessoais de conforto térmico em algum intervalo de tempo (no caso de medições
in loco) ou mesmo quando se tem dados de saída de uma simulação computacional.
O script é denominado “f(x) Comfort vectorized operations.R” e tem como argumentos:
input: o caminho para uma pasta de computador que contenha os arquivos “.csv” com as
informações necessárias. Exemplo “C:/Working Directory/Comfort/Input files”. Deve-se
utilizar a barra invertida “/” para separar as pastas.
output: o caminho para uma pasta de computador para armazenar os arquivos “.csv” gerados
pelo script. Exemplo “C:/Working Directory/Comfort/Output files”. Deve-se utilizar a barra
invertida “/” para separar as pastas.
Cada arquivo “.csv” da pasta contida no argumento “input” deve conter as seguintes informações nas
colunas na ordem apresentada:
1a coluna: CLO clothing insulation [clo] ou isolamento térmico das vestimentas;
2a coluna: MET metabolic rate [met] ou taxa metabólica dos ocupantes;
3a coluna: WME mechanical work [met] ou trabalho mecânico;
4a coluna: TA air temperature [°C] ou temperatura do ar interno;
5a coluna: TR mean radiant temperature [°C] ou temperatura radiante média;
6a coluna: VEL air speed [m/s] ou velocidade do ar;
7a coluna: RH relative humidity [%] ou umidade relativa do ar;
8a coluna: PA atmospheric pressure [kPa] ou pressão atmosférica.
Dentro do ambiente R, essa função assume o nome 𝐶𝑜𝑚𝑓𝑜𝑟𝑡𝑉𝑒𝑐𝑡𝑜𝑟𝑖𝑧𝑒𝑑() após ser incorporada com
a função 𝑠𝑜𝑢𝑟𝑐𝑒(). A função não retorna informações no console do R, mas cria arquivos “.csv” na
pasta “output” informada como argumento.
Os arquivos .csv de saída contêm as seguintes variáveis nas colunas:
PMV: Predicted Mean Vote;
PPD: Predicted Percentage Dissatisfied;
SET: Standard Effective Temperature;
TO inferior: Limite inferior de temperatura operativa para PMV igual a -0,5;
TO superior: Limite superior de temperatura operativa para PMV igual a +0,5.
8
4.2. CÁLCULO DE ÍNDICES DE LONGO PRAZO
Esse script incorpora todas as equações dos índices de avaliação a longo prazo descritas em Silva et
al. (2016) em linguagem R. Esses índices são úteis para a obtenção de um indicador único que agrega
a informação de conforto térmico ao longo de um grande período de tempo para o intuito de análises
comparativas. Índices a longo prazo geralmente são utilizados para comparar o desempenho térmico
de ambientes em uma edificação por simulação computacional.
O script calcula 37 índices de conforto térmico a longo prazo, como explicados a seguir:
1) Percentual de horas fora do intervalo de conforto de PMV (tanto desconforto por frio como por
calor), considerando dados de todo o período [%].
2) Percentual de horas fora do intervalo de conforto de PMV para desconforto por calor,
considerando dados apenas do período de verão [%].
3) Percentual de horas fora do intervalo de conforto de PMV para desconforto por frio,
considerando dados apenas do período de inverno [%].
4) Percentual de horas fora do intervalo de conforto de PMV (tanto desconforto por frio como por
calor), considerando dados da avaliação sazonal (verão e inverno separados) [%].
5) Percentual de horas fora do intervalo de conforto de temperatura operativa (tanto desconforto
por frio como por calor), considerando dados de todo o período [%].
6) Percentual de horas fora do intervalo de conforto de temperatura operativa para desconforto
por calor, considerando dados apenas do período de verão [%].
7) Percentual de horas fora do intervalo de conforto de temperatura operativa para desconforto
por frio, considerando dados apenas do período de inverno [%].
8) Percentual de horas fora do intervalo de conforto de temperatura operativa (tanto desconforto
por frio como por calor), considerando dados da avaliação sazonal (verão e inverno separados)
[%].
9) Horas em excesso do intervalo de conforto de PMV (tanto desconforto por frio como por calor),
considerando dados de todo o período [h].
10) Horas em excesso do intervalo de conforto de PMV para desconforto por calor, considerando
dados apenas do período de verão [h].
11) Horas em excesso do intervalo de conforto de PMV para desconforto por frio, considerando
dados apenas do período de inverno [h].
12) Horas em excesso do intervalo de conforto de PMV (tanto desconforto por frio como por calor),
considerando dados da avaliação sazonal (verão e inverno separados) [h].
13) Horas em excesso do intervalo de conforto de temperatura operativa (tanto desconforto por frio
como por calor), considerando dados de todo o período [h].
14) Horas em excesso do intervalo de conforto de temperatura operativa para desconforto por calor,
considerando dados apenas do período de verão [h].
15) Horas em excesso do intervalo de conforto de temperatura operativa para desconforto por frio,
considerando dados apenas do período de inverno [h].
16) Horas em excesso do intervalo de conforto de temperatura operativa (tanto desconforto por frio
como por calor), considerando dados da avaliação sazonal (verão e inverno separados) [h].
17) PPD médio durante todo o período [%].
18) PPD médio durante o período de verão [%].
19) PPD médio durante o período de inverno [%].
20) Soma de PPD durante todo o período [%*].
21) Soma de PPD durante o período de verão [%*].
22) Soma de PPD durante o período de inverno [%*].
23) Graus-hora de resfriamento considerando todo o período [°Ch].
24) Graus-hora de aquecimento considerando todo o período [°Ch].
9
25) Graus-hora de desconforto total considerando todo o período [°Ch].
26) Graus-hora de resfriamento considerando apenas o período de verão [°Ch].
27) Graus-hora de aquecimento considerando apenas o período de inverno [°Ch].
28) Graus-hora de desconforto total considerando avaliação sazonal (verão e inverno separados)
[°Ch].
29) Horas em excesso ponderadas pelo PPD considerando apenas o período de verão [h].
30) Horas em excesso ponderadas pelo PPD considerando apenas o período de inverno [h].
31) Horas em excesso total ponderadas pelo PPD considerando avaliação sazonal (verão e inverno
separados) [h].
32) Horas em excesso ponderadas pela temperatura operativa considerando apenas o período de
verão [h].
33) Horas em excesso ponderadas pela temperatura operativa considerando apenas o período de
inverno [h].
34) Horas em excesso total ponderadas pela temperatura operativa considerando avaliação sazonal
(verão e inverno separados) [h].
35) Graus-hora de resfriamento ponderadas pelo PPD apenas para o período de verão [°Ch].
36) Graus-hora de aquecimento ponderadas pelo PPD apenas para o período de inverno [°Ch].
37) Graus-hora de desconforto total ponderadas pelo PPD considerando avaliação sazonal (verão
e inverno separados) [°Ch].
O script é denominado “f(x) Long-term indices.R” e tem como argumentos:
𝑖𝑛𝑝𝑢𝑡: o caminho para uma pasta de computador que contenha os arquivos “.csv” com as
informações necessárias. Exemplo “C:/Working Directory/Comfort/Input files”. Deve-se
utilizar a barra invertida “/” para separar as pastas.
𝑜𝑢𝑡𝑝𝑢𝑡: o caminho para uma pasta de computador para armazenar os arquivos “.csv” gerados
pelo script. Exemplo “C:/Working Directory/Comfort/Output files”. Deve-se utilizar a barra
invertida “/” para separar as pastas.
𝑠𝑒𝑎𝑠𝑜𝑛𝑠: um objeto do tipo vetor que contém informações que definam os períodos de verão
e inverno do conjunto de valores em cada arquivo.
O vetor 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 é um vetor que contém o valor 1 nas células que representam o período de verão e o
valor 0 nas células que representem o período de inverno. Se os arquivos “.csv” de entrada contiverem
dados horários em um ano completo (8760 horas), o vetor 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 também deverá ter 8760 células.
Uma forma simples de se inserir essa informação é através do próprio console do R, ao se criar um
objeto de tipo vetor com o nome 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 e definir os valores que representem o verão e inverno com
valores de 1 e 0, respectivamente. A Tabela 7 mostra esse procedimento.
Dentro do ambiente R essa função tem o nome de ComfortIndices() quando incorporada com a função
source(). A função não retorna informações no console do R, mas cria arquivos “.csv” na pasta
“output” informada como argumento. Os dois arquivos “.csv” gerados são explicados a seguir:
indices.csv – contém a informação de todos os índices de avaliação a longo prazo nas colunas,
sendo que as linhas representam cada arquivo de entrada. Os índices estão em suas unidades
originais;
indices-norm.csv – contém a informação de todos os índices de avaliação a longo prazo nas
colunas, sendo que as linhas representam cada arquivo de entrada. Os índices estão
normalizados pelo método vetorial.
A normalização do arquivo “indices-norm.csv” depende diretamente do próprio conjunto de dados
inserido, e serve apenas como comparativo entre esses mesmos dados.
Tabela 7 – Exemplo de criação do vetor 𝑠𝑒𝑎𝑠𝑜𝑛𝑠 no console do R.
10
>seasons=vector(mode="numeric",length=8760) #cria um vetor de nome “seasons” de tamanho 8760
>seasons[1:3850]=1 #define o intervalo de 1 a 3850 como valor 1
>seasons[7400:8760]=1 #define o intervalo de 7400 a 8760 como valor 1
>seasons[3851:7399]=0 #define o intervalo de 3851 a 7399 como valor 0
11
5. COMO USAR OS SCRIPTS
Deve-se instalar o software do R conforme as recomendações dos desenvolvedores, acessando o sítio
eletrônico < https://www.r-project.org/ >. Deve-se, também, instalar o software RStudio através do
sítio eletrônico < https://www.rstudio.com/ >. A interface do RStudio é mostrada na Figura 1.
Todos os scripts foram desenvolvidos para facilitar a utilização pelo usuário. Desta forma, deve-se
seguir alguns passos:
1. Definir uma pasta de trabalho, ou working directory (ir em Tools > Global options);
2. Dentro dessa pasta de trabalho deve-se criar outra pasta com o nome exato de “Long-term
indices”;
3. Dentro da pasta “Long-term indices” o usuário deve colocar todos os scripts disponibilizados
por este relatório (em extensão “.R”), sem alterar o nome de nenhum arquivo.
Quando algum script for aberto no RStudio o seu conteúdo aparecerá na área 1 da Figura 1. Esta área
1 não deve ser alterada. A área 2 contém o 𝑐𝑜𝑛𝑠𝑜𝑙𝑒 do programa, ou seja, uma área livre para chamar
funções, criar objetos e efetuar os cálculos. A área 3 contém todos os objetos do ambiente utilizado. A
área 4 contém algumas informações sobre outros pacotes bem como arquivos de ajuda das funções do
R.
Figura 1 – Interface do programa R Studio.
1
2
3
4
12
Para utilizar o conjunto de scripts, o usuário deve abrir o algoritmo “Source_Thermal comfort.R”,
como mostra a Figura 2. Deve-se clicar em 𝑆𝑜𝑢𝑟𝑐𝑒 para ativar as funções e poder utilizá-las. A
utilização das funções é feita através do 𝐶𝑜𝑛𝑠𝑜𝑙𝑒. Este script chama todas as funções para o ambiente
R (considerando que todas elas estão na mesma pasta do Working Directory).
Figura 2 – Arquivo “Source_Thermal Comfort.R” para utilização dos scripts.
Os itens subsequentes mostram exemplos de utilização de cada script ao exibir, em forma de figura, a
tela resultante do RStudio.
13
5.1. EXEMPLO DO PMVLOW()
A Figura 3 mostra um exemplo da utilização da função 𝑃𝑀𝑉𝑙𝑜𝑤() aberta com o arquivo “f(x)
PMV_low air speed model.R”.
Figura 3 – Exemplos de utilização da função PMVlow.
14
5.2. EXEMPLO DO PMVELEVATED()
A Figura 4 mostra um exemplo da utilização da função 𝑃𝑀𝑉𝑒𝑙𝑒𝑣𝑎𝑡𝑒𝑑() aberta com o arquivo “f(x)
PMV_elevated air speed model.R”.
Figura 4 – Exemplos de utilização da função PMVelevated.
15
5.3. EXEMPLO DO PMVBOTH()
A Figura 5 mostra um exemplo da utilização da função 𝑃𝑀𝑉𝑏𝑜𝑡ℎ() aberta com o arquivo “f(x)
PMV_both models.R”.
Figura 5 – Exemplos de utilização da função PMVboth.
16
5.4. EXEMPLO DO SETASHRAE()
A Figura 6 mostra um exemplo da utilização da função 𝑆𝐸𝑇𝑎𝑠ℎ𝑟𝑎𝑒() aberta com o arquivo “f(x)
SET_ASHRAE standard 55.R”.
Figura 6 – Exemplos de utilização da função SETashrae.
17
5.5. EXEMPLO DO TOLIMITS()
A Figura 7 mostra um exemplo da utilização da função 𝑇𝑂𝑙𝑖𝑚𝑖𝑡𝑠() aberta com o arquivo “f(x)
TOlimits_ASHRAE standard 55.R”.
Figura 7 – Exemplos de utilização da função TOlimits.
18
5.6. EXEMPLO DO COMFORTVECTORIZED()
A Figura 8 mostra um exemplo da utilização da função 𝐶𝑜𝑚𝑓𝑜𝑟𝑡𝑉𝑒𝑐𝑡𝑜𝑟𝑖𝑧𝑒𝑑() aberta com o arquivo
“f(x) Comfort vectorized operations.R”. A Figura 9 mostra a pasta com os arquivos de entrada do
exemplo, cujo caminho é inserido no argumento 𝑖𝑛𝑝𝑢𝑡. A Figura 10 mostra os arquivos de saída, cujo
caminho é inserido no argumento 𝑜𝑢𝑡𝑝𝑢𝑡.
Figura 8 – Exemplo de utilização da função ComfortVectorized.
Figura 9 – Pasta com os arquivos de entrada para a função ComfortVectorized.
20
5.7. EXEMPLO DO COMFORT INDICES()
A Figura 11 mostra um exemplo da utilização da função 𝐶𝑜𝑚𝑓𝑜𝑟𝑡𝐼𝑛𝑑𝑖𝑐𝑒𝑠() aberta com o arquivo
“f(x) Long-term indices.R”. A Figura 12 mostra a pasta com os arquivos de entrada do exemplo, cujo
caminho é inserido no argumento 𝑖𝑛𝑝𝑢𝑡. A Figura 13 mostra os arquivos de saída, cujo caminho é
inserido no argumento 𝑜𝑢𝑡𝑝𝑢𝑡.
Figura 11 – Exemplo de utilização da função ComfortIndices.
21
Figura 12 – Pasta com os arquivos de entrada para a função ComfortIndices.
Figura 13 – Pasta com os arquivos de saída para a função ComfortIndices.
22
6. CONSIDERAÇÕES FINAIS
O pacote a ser baixado em < ... > contém as seguintes pastas com arquivos de exemplo para aplicação
dos scripts em lote:
Input vectors: pasta que contém 3 arquivos “.csv” no formato exigido pelo script “f(x) Comfort
vectorized operations.R”;
Output vectors: pasta que contém 3 arquivos de saída “.csv” resultantes da aplicação dos
arquivos da pasta input vectors com o script “f(x) Comfort vectorized operations.R”;
Input long-term: pasta que contém 5 arquivos “.csv” no formato exigido pelo script “f(x) Long-
term indices.R”;
Output long-term: pasta que contém 2 arquivos de saída em “.csv” resultantes da aplicação dos
arquivos da pasta input long-term com o script “f(x) Long-term indices.R”.
Os algoritmos não podem ser utilizados para fins comerciais, apenas para fins acadêmicos. Quando da
utilização dos scripts a referência bibliográfica de Silva et al. (2016) e deste presente relatório devem
ser devidamente citadas.
Usuários avançados do R podem contribuir com melhorias nas diversas funções. Qualquer
contribuição ou dúvida deve ser encaminhada para Arthur Santos Silva ([email protected]).
7. REFERÊNCIAS UTILIZADAS E RECOMENDADAS
ASHRAE. American Society of Heating, Refrigerating and Air-conditioning Engineers. Standard 55
- Thermal Environmental Conditions for Human Occupancy. 2013.
GAGGE, A. P.; FOBELETS, A. P.; BERGLUND, L. G. A standard predictive index of human
response to the thermal environment. ASHRAE Transactions, v. 92, n. 2B, p. 709–731, 1986.
ISO. International Organization for Standardization. ISO 7730. Ergonomics of the thermal
environment – Analytical determination and interpretation of Thermal Comfort using
calculation of the PMV and PPD indices and local thermal comfort criteria. Geneva,
Switzerland, 2005.
SCHIAVON, S.; HOYT, T.; PICCIOLI, A. Web application for thermal comfort visualization and
calculation according to ASHRAE Standard 55. Building Simulation, v. 7, n. 4, p. 321–334,
2013.
SILVA, A. S.; GHISI, E.; LAMBERTS, R. Performance evaluation of long-term thermal comfort
indices in building simulation according to ASHRAE Standard 55. Building and
Environment, v. 102, p. 95–115, 2016. dx.doi.org/10.1016/j.buildenv.2016.03.004
YANG, B.; SCHIAVON, S.; SEKHAR, C.; CHEONG, D.; THAM, K.K.; NAZAROFF, W.W.
Cooling efficiency of a brushless direct current stand fan. Building and Environment, v. 85,
p. 196–204, 2015.